МАТЕМАТИЧЕСКИЕ МОДЕЛИ КОНТРОЛЯ ЧИСЛОВЫХ ПОКАЗАТЕЛЕЙ ПОДГОТОВКИ СПЕЦИАЛИСТОВ В ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЯХ
DOI:
https://doi.org/10.5281/zenodo.17081423Ключевые слова:
методы контроля, числовые показатели, подготовка специалистов, достоверность, хранилище данных, регуляризация, прогнозирование, высшие учебные заведения.Аннотация
Статья посвящена разработке математических моделей контроля числовых показателей в распределенных базах данных большого объема – хранилищах данных. При разработке технологий контроля числовых показателей необходимо использование многоуровневых систем контроля и корректировки данных, включающих не только визуальный, но и программный контроль, на этапах, как обновления, так и эксплуатации хранилищ данных. Рассмотрены математические модели организации контроля числовых показателей годичной периодичности по подготовке специалистов в высших учебных заведениях. Предложена процедура регуляризации выборки числовых показателей. Если выборка некорректна, то прежде чем проводить контроль, осуществляется процедура регуляризации путем удаления из выборки тех элементов, для которых нарушено отношение порядка. Это позволяет на порядок снизить вероятность того, что в выбранных элементах имеются искажения данных. Тем самым при решении прикладных задач мы переходим от реальной структуры числовых данных, содержащих в некоторых случаях существенные ошибки, к новой структуре данных, в которой отсутствуют искажения, обусловленные ошибками персонала при вводе числовых значений в базы данных и сопровождении баз данных большой размерности. Предложены методы контроля элементов выборки числовых показателей и способы уточненного контроля новых значений числовых показателей. Рассмотрены различные классы аппроксимационных моделей, использующихся при уточненном контроле новых значений числовых показателей в выборке годичной периодичности. Разработана система индикативных булевых функций, использующих списочную структуру, характеризующую выборку элементов числовых показателей по годам, что позволяет провести многовариантный анализ различных схем контроля информации по подготовке специалистов в высших учебных заведениях и реализовать программный комплекс контроля числовых показателей годичной периодичности. Научная и практическая значимость полученных результатов обусловлена тем, что в статье предложены методики, позволяющие из реальной структуры данных с искажениями формировать для решения прикладных задач виртуальную структуру числовых данных по подготовке специалистов, свободную от существенных искажений элементов выборки. Изложение теоретических положений по методам контроля числовых показателей является достаточно универсальным и может быть полезно широкому кругу специалистов.
Скачивания
Библиографические ссылки
1. Грэхем, Х.Т., Беннетт, Р. Управление человеческими ресурсами. – М.: ЮНИТИ-ДАНА, 2003. – 598 с.
2. Иванченко, Д.А. Оптимизация построения информационной системы управления вузом: концептуальные подходы // Университетское управление: практика и анализ. – 2011. – №2. – С. 40-48.
3. Орчаков, О.А. Рейтинговая система оценки успеваемости: особенности реализации и автоматизация учета результатов // Университетское управление: практика и анализ. – 2007. – №1. – С. 67-73.
4. Перевощикова, Е.Н. Рейтинговая система оценки подготовки бакалавров // Высшее образование в России. – 2012. – №6. – С. 40-47.
5. Петросян, Л.Э. Экономико-математические модели анализа и прогнозирования движения контингента студентов вуза // автореф. дис. кан. эк. наук. – Ростов-на-Дону: ЮФУ, 2016. – С. 10-20.
6. Фатхутдинов, Р.А. Управление конкурентоспособностью вуза // Высшее образование в России. – 2006. – № 9. – С. 37–38.
7. Бирюкова, А.А. Метод поддержки принятия управленческих решений в кризисных ситуациях на базе автоматизированных систем управления / А.А. Бирюкова, К.В. Гусев, А.С. Леонтьев // Информатизация и связь. – 2022. – №6. – С. 65-74. DOI:10.34219/2078-8320-2022-13-6-63-74.
8. Гусев, К.В. Аналитический метод оценки производительности локальных вычислительных сетей со случайным множественным методом доступа к передающей среде с контролем несущей и обнаружением конфликтов / К.В. Гусев, А.С. Леонтьев // Наука РТУ МИРЭА – вызовы будущему [Электронный ресурс]. № гос. регистрации 03222033480 от 07.10.2022: сборник трудов по основным направлениям научной деятельности РТУ МИРЭА, посвященной 75-летию РТУ МИРЭА. – М.: РТУ МИРЭА, 2022. – С. 54-59.
9. Гусев, К.В. Аналитическая модель анализа локальных вычислительных сетей с маркерным методом доступа / К.В. Гусев, А.С. Леонтьев, М.А. Пучкова // Материалы XVIII Международной научной конференции «Общество: научно-образовательный потенциал развития (идеи, ресурсы, решения)». – Научный журнал «Общество». – №1 1(24), 2022. –С. 38-42. EDN: QNCBVC.
10. Леонтьев, А.С. Разработка аналитических методов, моделей и методик анализа локальных вычислительных сетей // Теоретические вопросы программного обеспечения: межвузовский сборник научных трудов. – М.: МИРЭА, 2001. – С. 70-94.
11. Леонтьев, А.С., Жматов, Д.В. Аналитический метод анализа процессов передачи сообщений в оптоволоконных сетях с маркерным доступом для цифровых подстанций. Russ. Technol. J. 2024; 12(6): 26-38. https://doi.org/10.32362/2500-316X-2024-12-6-26-38.
12. Андрианова, Е.Г. Обзор современных моделей и методов анализа временных рядов динамических процессов в социальных, экономических и социотехнических системах / Е.Г. Андрианова, С.А. Головин, С.В. Зыков, С.А. Лесько, Е.Р. Чухалина // Российский технологический журнал. – 2020. – №8(4). – С. 7-45. https://doi.org/10.32362/2500-316X-2020-8-4-7-45.
13. Гусев, К.В. Формирование системы булевых функций, используемых при оценке достоверности числовых показателей и выборе моделей прогнозирования их значений в базах данных большой размерности / К.В. Гусев, А.С. Леонтьев // Системы высокой доступности. – 2022. – Т.18. №1. – С. 62-73. DOI: 10.18127/j20729472-202201-06.
14. Бескоровайный, М.М. Инструментально-моделирующий комплекс для оценки качества функционирования информационных систем «КОК»: Руководство системного аналитика / М.М. Бескоровайный, А.И. Костогрызов, В.М. Львов – М.: Вооружение. Политика. Конверсия, 2002. – 305 с.
15. Гнеденко, Б.В. Введение в теорию массового обслуживания / Б.В. Гнеденко, И.Н. Коваленко. – М.: Наука, 1987. – 336 с.
16. Клейнрок, Л. Теория массового обслуживания. – М.: Машиностроение, 1979. – 432 с.
17. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. – М.: Наука. Гл. ред. физ.-мат. лит. 1973. – 832 с.
18. Гмурман, В.Е. Теория вероятностей и математическая статистика: учебное пособие для втузов. – Изд. 5-е, перераб. и доп. – М.: Высшая школа. – 1977. – 479 с.
19. Марченков, С.С. Основы теории булевых функций. – М.: Физматлит, 2014. – 136 с.
control methods, numerical indicators, specialist training, data accuracy, data warehouse, regularization, forecasting, higher education.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Новое в экономической кибернетике» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
